AI와 디지털 트윈이 직면한 기회와 한계 Ⅱ
엔지니어링의 현재와 미래를 이어주는 기술 (2)
■ 김봉암 | 지멘스 디지털 인더스트리 소프트웨어 코리아의 전무로, 국내 Pre-sales 및 Business Development 조직을 총괄하고 있다.
이메일 | bong.kim@siemens.com
홈페이지 | www.siemens.com/plm
지난 호에서는 시뮬레이션과 디지털 트윈의 과제, 그리고 AI(인공지능)가 실제 데이터를 어떻게 디지털 트윈에 적용할 수 있는지에 대해 살펴보았다. 이번 호에서는 공장 현장에서 사용되는 AI와 엔지니어들이 디지털 트윈 실행을 위해 AI를 사용할 때 겪을 수 있는 문제점들에 대해 생각해 보자.
▲ 인공지능/머신러닝과 같은 새로운 기술은 산업 전반의 기업들이 미래의 문제를 해결하는데 도움을 줄 것이다.
AI는 다양한 용도에 사용될 수 있는 엄청난 잠재력을 갖고 있지만, 아직까지 제대로 개발되지는 못했다. AI는 시뮬레이션 모델을 만드는데 도움이 되지만, 많은 사람들은 방대한 데이터를 수집, 분석하는데 AI를 사용하고 있다. 금융 기관들은 AI 알고리즘을 사기 탐지에 사용하고 있으며, 제조업체들은 제품에 이상이 있는지 검토하고 계속해서 흐르는 데이터를 사용해 한층 더 견고한 디지털 트윈을 만들 수 있다.
1. 공장 현장의 AI와 디지털 트윈
AI는 제품 설계뿐만 아니라 제품 생산을 더 효율적으로, 유연하게, 그리고 믿을 수 있게 개선할 수 있는 매우 큰 잠재력을 갖고 있다. 산업이 점차적으로 디지털화됨에 따라, 생산 환경에 관한 데이터를 기반으로 공장 전체가 운영되고 시스템이 생성되고 있다.
공장 현장에 AI를 적용하면 신뢰성과 효율성을 높일 수 있다. 예를 들어, 설비가 갑자기 가동을 멈추는 일은 제조업계의 만성적인 문제였다. 디지털 트윈은 AI 기반 분석을 예지정비(predictive maintenance)에 사용해, 설비에 문제가 발생하기 전에 유지보수 작업 일정을 잡거나 유지보수가 필요한 부분을 알려 설비 비가동 시간을 단축할 수 있다.
디지털 트윈은 제품과 기계의 계획 및 설계, 심지어 생산 작업 자체를 구조화하는데 사용되어 왔다. 이처럼 유연하고 효율적인 방식은 제조업체들이 더욱 저렴하고 고품질의 맞춤형 제품을 더 빠르게 생산하는데 도움이 됐다.
이제, AI는 이런 기계와 프로세스를 사용해 방대한 규모의 데이터에서 통찰력을 얻고 실시간 운영(live operation) 중에 공정을 최적화할 수 있다. 그뿐 아니라, 신경 처리 장치(neural processing units)는 이제 물체 인식 제어 장치의 일부가 됐으며, 생산 공장의 시각/센서 지원 품질 검사와 이미지 유도 로봇 시스템은 예기치 못한 상황에서 좀 더 유연하게 대응할 수 있게 됐다. 머신 러닝 알고리즘이 품질 결함을 발견할 경우, 작동하는 와중에도 자동으로 대응할 수 있다.
엣지 컴퓨팅(edge computing)은 공장이든 기계든 데이터가 생성되는 지점에서 데이터를 처리할 수 있다. 이러한 기술이 구현되는 장소 중 하나인 독일의 암베르크 지멘스 공장(Siemens Electronics Works Amberg)은 세계 시장에 PLC(Programmable Logic Controller)와 기타 산업 자동화 제품을 공급하고 있다. 이곳에서는 제품 품질을 위해 제조 과정 중에 제어 장치의 핵심 부품인 PCB(Printed Circuit Board)를 엑스레이로 검사하고 있다.
하지만, 엑스레이 검사는 처리 시간(throughput time)이 길어 공장 내 병목 현상을 유발한다는 문제점이 있다. 엑스레이 기계를 추가로 설치할 경우 50만 유로를 투자하고 기계도 제조환경에 맞게 통합해야 한다. 이와 달리, AI 전문가들은 공장 내 엣지 애플리케이션에서 알고리즘을 훈련해 PLC의 납땜한 이음부에 결함이 없는지 예측한다. 다시 말해, 제조 라인 종단에서 검사를 할 필요가 있는지 예측하는 것이다. 그 결과, 첫 번째 단계에서 엑스레이 검사에 드는 노력을 최대 30% 절감할 수 있었다. 곧 생산에 클로즈드 루프(closed loop:폐순환) 분석이 반영될 예정이다.
▲ 지멘스 암베르크 공장의 엑스레이
작성일 : 2020-05-04
